Jak rozpoznać grzyby ze zdjęcia za pomocą sztucznej inteligencji

Prawdziwe znalezisko dla grzybiarzy!

Aplikacja “Grzyby” na iPhone’a i iPada otrzymała ulepszenie w postaci rozpoznawania obrazu w oparciu o sztuczną inteligencję – sztuczną inteligencję. Jednocześnie sam AI jako “asystent grzybka” został skrytykowany przez mikologów, którzy uznali technologię za najbardziej zabójczą od czasu wynalezienia smartfona. Twórcy sieci neuronowej “grzybkowej” proszeni są o zachowanie spokoju.

Grzyb, znam cię!

Aplikacja “Nasze Grzyby“(Nazwa w App Store” Grzyby: Wielka Encyklopedia “) od rosyjskich programistów wyszło w 2011 roku i wtedy było jedyne w swoim rodzaju. Rzadki przypadek, gdy programiści byli zarówno zbieraczami grzybów, jak i użytkownikami ich własnych aplikacji, więc zrobili to dla innych i dla siebie.

Początkowo “Grzyby” były po prostu przydatnym podręcznikiem, w którym wyszukiwanie służyło do identyfikacji poprzez opisy, obrazy i parametry. Dodatkowo zaimplementowano możliwość tworzenia notatek fotograficznych w bazie danych z automatycznym dodawaniem obiektu do mapy użytkownika “miejsc grzybowych”. W logice aplikacji odsyłacze do “podobnych grzybów” z priorytetowymi informacjami o zagrożeniach dla zdrowia.

Od 6 lat programiści utrzymują znaczenie “Grzybów” w nowych wersjach iOS, rozbudowują bazę danych i tłumaczą ją na język angielski.

Aplikacja została wykorzystana przez dziesiątki tysięcy grzybiarzy, otrzymała dobre recenzje (średnia ocena 4,7 na 5). Wielu użytkowników poprosiło o uzupełnienie programu o uznanie. Zrób zdjęcie grzyba i natychmiast dowiedz się, co robić dalej: włóż je do kosza lub wyrzuć i pilnie myj ręce – marzenie każdego grzybiarza, który podszedł do nieznanego. “Świetny pomysł!” – zadecydowali programiści i sfinalizowali aplikację we współpracy z kolegami z firmy Dato ML.

Mykolodzy przeciw czemu?

Gdy praca, która rozpoczęła się w styczniu 2023 roku i trwało 5 miesięcy, została zakończona, a tysiące grzyb został już z powodzeniem stosowany nową funkcję pod koniec lipca w amerykańskiej edycji The Verge opublikował artykuł dr Colin Davison mikrobiologii, co pośrednio zainteresowanych i Aplikacje „Grzyby”.

Imię imponujące: A „Potencjalnie Deadly’Mushroom-Identyfikowanie App Highlights niebezpieczeństwo Bad AI (potencjalnie śmiertelnego wniosku o identyfikacji grzybów podkreśla problem słabej Artificial Intelligence).

Artykuł dotyczył aplikacji do rozpoznawania grzybów ze zdjęcia, które pojawiły się w AppStore i Google Play. Twórcy obiecali użytkownikom 100% identyfikację trofeów “polowania na grzyby” dzięki Sztucznej Inteligencji. Colin Davison nazwał to “najbardziej potencjalnie śmiercionośnym programem od początku” mobilnej rewolucji “.

Tak więc wokół tematu AI pojawił się kolejny heit, który jest skazany na popularność od czasu premiery pierwszego “Terminatora”. Teraz, gdy technologia stała się dostępna do masowego użytku, jest stale w centrum uwagi, specjalistów i marketerów, a także masy innych osób o różnym poziomie wiedzy na ten temat. Większość z nich jest zaciekle kłamliwa iz różnych powodów: niektórzy z niewiedzy, drudzy dla przyciągnięcia uwagi, a jeszcze inni – dla obdarowania towarów nieistniejącymi zaletami.

Wygląd maszyny

Jak wspomniano powyżej, nowa funkcja identyfikacji w aplikacji Grzyby została zaimplementowana przy użyciu sztucznej inteligencji. W jego przypadku w tym przypadku istnieje sieć neuronowa.

Sieć neuronowa składa się z wielu prostych elementów i jest analogiem ludzkiego mózgu, zdolnym do podejmowania pewnych niezależnych decyzji w oparciu o analizę szeregu informacji.

W przeciwieństwie do uniwersalnej inteligencji naturalnej, sieć neuronowa ma zawsze specjalizację, dzięki której jej działanie w określonym typie aktywności jest wielokrotnością możliwości danej osoby. Na przykład sztuczna inteligencja AlphaGo jest najlepszym graczem na świecie w Go, ale nie może odróżnić kostki od piłki, ponieważ nie jest to jej specjalizacja.

Jednym z pierwszych i najbardziej rozwiniętych sposobów korzystania z sieci neuronowych jest rozpoznawanie obrazów, które jak opisano w drugiej połowie ubiegłego wieku jako “wizja maszynowa”.

Główna różnica między siecią neuronową a komputerem polega na tym, że nie jest ona programowana, ale jest wyszkolona (parametry każdego elementu różnią się w zależności od uzyskanych wyników). Na podstawie wyników szkolenia sieci neuronowej możliwe jest przedstawienie danych (w naszym przypadku obrazów), które nie są jej znane na początku. W rezultacie prawidłowo identyfikuje obraz, opierając się na swoim doświadczeniu w przetwarzaniu milionów podobnych obrazów i złożonych algorytmów decyzyjnych.

Jak nauczono sieci neuronowej, aby szukały grzybów

Jeśli do uproszczenia opisu procesu uczenia maszynowego, będzie to wyglądać mniej więcej tak: „nauczyciel” pokazuje „noworodka” sieci neuronowych obraz, na podstawie którego sieć sprawia, że ​​założenie, na przykład, grzyba lub nie. Następnie tutor informuje poprawną odpowiedź, a sieć “zmienia się” trochę, zauważając dla siebie, że to naprawdę był grzyb (lub nie był). Następnie lekcja powtarza się z innym obrazem. I tak do kilkudziesięciu milionów razy, w zależności od złożoności zadania. W rezultacie odpowiedzi stają się bardziej “znaczące” i poprawne.

Aby stworzyć prawdziwie „dobre” Ai należy wziąć pod uwagę wiele innych aspektach: od konfiguracji sieci, kontrola przekwalifikowania ryzyka itp Wszystkie z nich, w tym wielu „wnioski” i jakości „materiałów szkoleniowych” może krytycznie wpłynąć na wynik … Dlatego dwie sieci neuronowe (jak dwie różne osoby), mające na celu rozwiązania tego samego problemu, może zachowywać się bardzo różnie. Można być nieprzewidywalne i niebezpieczne, a drugi – dokładna, ale ostrożni w szacunkach.

Ale z powrotem do aplikacji “grzyb”. Opiera się na specjalnie wyszkolonej głębokiej sieci neuronowej (CNN), która jest w stanie określić rodzaj grzyba na obrazie. Użytkownik kieruje kamerę do grzyba, robi zdjęcie – sieć neuronowa po ułamku sekundy wydaje zalecenie.

Szkolenie wykorzystywało ogromny zestaw danych uzyskanych z jednej z podstawowych instytucji, a także zbieranych niezależnie od otwartych źródeł. Wybierano średnio 1200 (ale nie mniej niż 1000) fotografii dla każdego gatunku grzyba. Dla trujących próbka była jeszcze większa, aby poprawić dokładność rozpoznawania.

W rezultacie liczba przeszkolonych parametrów w sieci neuronowej wynosi ponad 20 milionów, liczba warstw jest większa niż 100. Pozwala to połączyć szybkość i dokładność w ostatecznym rozpoznaniu.

Do szkolenia wykorzystano specjalne serwery GPU firmy Amazon, co pozwoliło skrócić czas ostatniej sesji do kilku godzin. Na przykład na konwencjonalnym komputerze osobistym podobna operacja może potrwać nawet kilka miesięcy.

Ale nawet tak imponujące wyniki nie dają podstaw do stwierdzenia, że ​​możliwe było stworzenie 100% “identyfikacji”. Z taką precyzją, nawet mykolodzy-profesjonaliści nie potrafią rozpoznać grzybów.

Oprócz uznania, “Wyszukiwanie NEURO” w aplikacji “Grzyby” dostarcza listy podobnych opcji i oszacowania dokładności założenia. Każdy “podobny grzyb” ma encyklopedyczny opis i obrazy, tzn. Aplikacja zawiera maksimum informacji do podejmowania decyzji i może ocenić ryzyko.

Intelekt “zły” i “dobry”

Jakość sztucznej inteligencji zależy od tego, ile zasobów i wysiłków zainwestowano w jej szkolenie, jak również od prawidłowej konfiguracji sieci neuronowej i wielu innych parametrów. Opracuj program do identyfikacji obrazów w podręcznikach publikowanych w Internecie, teraz nawet uczeń może. To jest poziom, a rozwiązanie będzie.

Aplikacja napisana w “Verge” została ostro skrytykowana właśnie z powodu “gwarantowanej dokładnej identyfikacji grzybów” z podziałem na jadalne i niejadalne. Jest to niemożliwe nawet w teorii. Jednocześnie użytkownicy nie otrzymali żadnych dodatkowych informacji od słowa absolutnie – tylko opcje “weź / nie bierz”.

Po druzgocący opis artykułu aplikacji jest pierwszy rozwiązany do „zidentyfikować wszystkie grzyby” na „uznanie grzyba domowego”, a następnie pozostał specjalizacja „tylko trufle” (jest to kwestia, jakiego rodzaju przykładowych zdjęć wykorzystywanych do szkolenia sieci neuronowych). Teraz aplikacja usunięta z App Store.

Przykład dwóch podejść do tworzenia aplikacji pokazuje, że sztuczna inteligencja stworzona do użycia w tym samym obszarze może naprawdę okazać się “zła” lub “dobra”, a nie z własnej winy. Będzie to “złe”, gdy jego twórcy nie będą wystarczająco kompetentni, nie będą mieli metod i zasobów do “uczenia się” i “treningu” sieci neuronowej. Ale jeśli na czele rogu znajduje się kwestia służenia człowiekowi i jego interesom, Sztuczna Inteligencja zawsze będzie zachowywała się właściwie.

“Ciche polowanie” -2023 w międzyczasie jest dalekie od ukończenia. Przed sezonem królewskiego jesiennego grzyba – biały grzyb i jego lamellarne kongenery są prostsze. Nawiasem mówiąc, identyfikacja grzybów w kształcie talerzy powoduje problemy nawet u grzybiarzy z doświadczeniem. Dodatkowy powód, aby udać się do lasu, uzbrojony nie tylko w nóż, ale także w sztuczną inteligencję. Zauważ “Grzyby: Wielka Encyklopedia”.

Co jeszcze przeczytać:

• MIUI 10
• ios 12 iphone 5s
• Recenzja iPhone’a 6s